摘要:为快速监测耐热钢老化状态，保证设备安全运行，应用激光诱导击穿光谱（LIBS）技术对耐热钢老化状态进行快速评估，提出一种基于LIBS光声多模态信息融合的老化等级评估新方法。采用递归特征消除法对LIBS数据进行特征筛选，并通过时频分析将采集的声波时域信号转换为频谱数据，获得了反映材料机械性能变化的声学特征。系统比较了“先降维后融合”和“先融合后降维”两种多源信息耦合策略的效果，并结合线性判别分析与支持向量机构建老化等级评估模型。研究结果表明，所提出的光声多模态信息融合方法显著提高了老化评估精度，模型准确率达到97%，为耐热钢服役状态的快速监测提供了新的技术路径。

摘要:针对燃煤电厂锅炉火焰温度和光谱发射率难以精确测量的问题，提出一种基于多光谱分析的非模型化反演方法，无需预定义发射率模型即可实现温度和发射率的同步测定。采用光谱仪采集火焰辐射信号，结合黑体校准数据对各波长波段进行归一化处理，利用误差平方和算法迭代求解实际火焰温度和光谱发射率分布。通过实验室标定和电厂锅炉炉膛现场试验验证，结果表明：该方法温度反演误差小于1%，满足工业火焰监测的精度要求；在固定负荷条件下，火焰温度和发射率随炉膛高度增加而降低，主要归因于固体颗粒浓度减小；在相同高度下，负荷升高会提高发射率，但燃烧动力学与颗粒密度效应导致平均发射率与温度呈反比关系。光谱分析显示，火焰在600～940 nm波段呈现近似灰体辐射特性，发射率与波长无关。该方法为煤粉锅炉的温度与辐射特性精确测量提供了有效技术手段，对提升锅炉运行安全性、能效及减排具有实际应用价值。

摘要:为提高膜性肾病检测的安全性和效率，研究了表面增强拉曼光谱（SERS）技术应用于生物样品的检测。基于SERS技术对60例膜性肾病（membranous nephropathy，MN）、84例IgA肾病（IgA nephropathy，IgAN）、26例糖尿病肾病(diabetic nephropathy，DN)和68例肾小球类疾病(glomerular disease，GD)患者的尿液样本进行检测，建立了MN、IgAN、DN和GD的SERS库，将SERS库的数据分为（MN/IgAN、MN/DN、MN/GD）3组。对比分析光谱数据的拉曼特征峰，解释其赋值和生物医学意义。在此基础上，利用主成分分析?线性判别分析（PCA?LDA）和偏最小二乘判别分析（PLS?DA）方法建立分类模型。结果表明，基于PCA?LDA的分类模型对MN/IgAN、MN/DN和MN/GD的分类准确率均为100.00%；基于PLS?DA的分类模型对MN/IgAN、MN/DN和MN/GD的分类准确率分别为95.12%、100.00%和96.09%。PCA?LDA模型具有更高的准确率，将PCA?LDA模型进行交叉验证，优化后的模型对MN/IgAN、MN/DN和MN/GD的分类准确率分别为74.38%、90.70%和77.34%。因此，SERS在区分MN患者和其他肾病患者方面具有临床诊断的潜在价值。

摘要:基于拘束相关断裂韧性确定方法，对含椭圆形裂纹核电主管道的拘束相关剩余强度进行了计算；基于Paris公式，对裂纹扩展到不同尺寸时所对应的裂纹扩展寿命进行了计算；根据得到的拘束相关剩余强度与裂纹扩展寿命，对裂纹沿深度方向扩展和沿长度方向扩展两种情况分别进行了损伤容限分析，并构建了损伤容限评定图。结果表明：随着裂纹深度和裂纹长度的增加，裂尖应力场增大，拘束相关剩余强度下降。根据损伤容限评定图可以清楚地观察到裂纹扩展到不同尺寸时所对应的剩余强度与裂纹扩展寿命。本文将损伤容限分析方法从航空航天装备领域拓展到核电领域，并在损伤容限分析中纳入了拘束的影响。

摘要:动力锂电池作为电动汽车的核心部件，其性能显著受环境温度影响。在高、低温极端条件下，电池不仅存在效率衰减问题，更面临严重的热安全与寿命挑战。针对动力锂电池的极端温域适应性难题展开研究，讨论了影响电池组最高温度和最大温差的因素，并提出了相应的控制策略。对于高温环境，通过改变流体雷诺数，使得电池最高温度及最大温差都在合理范围内，并尽可能降低其冷却液压降；对于低温环境，提出了变雷诺数策略及延迟加热策略，有效减少电池预热时间，并优化电池温度均匀性。

摘要:为了节约原油加热系统中伴生气和电的消耗并减少碳排放，建立了一套太阳能原油加热系统，以实现能源的高效利用。基于系统性能指标要求和大庆油田气象数据，确定了各部件的选型参数，并制定了详细的运行策略。采用瞬时系统模拟程序TRNSYS，对该系统的能源利用特性进行了全年的逐时模拟分析。结果表明：该系统在晚春至早秋可充分利用太阳能供热，与传统原油加热系统相比，全年的综合能耗降低46.76%，CO₂排放量减少70.70 t。通过经济性分析和计算，系统初投资回收期分别为静态6.09年和动态7.55年，每单位能量成本为0.86元?kW^–1?h^–1，系统综合效率为89.77%。太阳能原油加热系统不仅显著降低了能源消耗和碳排放，还具有良好的经济效益，为石油行业的可持续发展提供了理论和技术支持。

摘要:深度学习技术的迅猛发展激发了一些新的方法来解决层析粒子图像测速的三维重建问题。针对有监督深度学习方法需要大量的真值数据，以及仿真数据集与实验场景一致性的问题，提出了基于三维卷积编码和MLP解码的无监督粒子重建算法, 命名为MLOS-CNN-MLP。该方法首先利用MLOS算法，从多视角二维图像生成初始三维光强分布，然后通过三维卷积编码提取特征并构建神经编码体，再采用MLP解码回归精确的三维光强分布。与有监督学习方法使用真值数据不同，MLOS-CNN-MLP通过投影函数对重建的光强分布进行不同视角的投影，并与原始二维图像进行比较，建立损失函数，这使得整个网络训练不需要真值数据从而实现无监督学习。在仿真数据集上的验证结果表明，所提出的无监督粒子重建算法在实验常用粒子浓度下的重建精度可达到0.95，远高于传统的代数重建技术。进一步对比不同粒子浓度和噪声鲁棒性方面的性能，该方法的重建质量也均优于传统的代数重建技术，并且计算速度至少快了一个数量级。

摘要:为深入理解行星表面复杂环境下冲击坑的形成机制，在实验室模拟低速撞击过程，系统研究了颗粒粒径和含水量对冲击坑动力学行为的影响。实验采用不同粒径的玻璃珠作为颗粒床，通过调节含水量，利用高速相机和粒子图像测速（PIV）技术捕捉冲击过程中颗粒的流动特性。结果表明，湿颗粒体系中的冲击坑形成存在扩散崩塌型、堆积崩塌型和不崩塌型3种典型模式，其形成模式由颗粒粒径和含水量共同决定。通过冲击坑形成模式相图的分析，详细讨论了相图发送相变的原理。进一步分析冲击坑尺度形成规律发现，冲击坑直径随含水量增加而减小并趋于稳定，而在相同含水量下，湿颗粒粒径越大，冲击坑直径越大，最终得出冲击尺度特征统一描述的幂律规律。研究成果可为理解行星地质演化提供实验依据和理论模型。

摘要:为了探究H₂S对种子球蛋白解聚和水解的影响，对含水甘蓝种子加入硫氢化钠（NaHS），在程序降温（–60 ℃/h）处理条件下研究H₂S对含水甘蓝种子耐冻性以及球蛋白水解的影响。测定程序降温条件下含水甘蓝种子的发芽率，采用差示量热扫描探究种子内部冰晶形成的起始温度和放热焓值，抽取种子总蛋白进行双向电泳实验，找到差异蛋白点用以质谱鉴定。对小分子多肽进行回收，在低温显微镜下观察冰晶形成模式，最后测定巯基和二硫键的浓度。结果表明：在程序降温条件下，外源添加5 mmol/L NaHS显著提高了含水甘蓝种子的发芽率，且NaHS处理的种子内部冰晶形成温度出现显著性后移，总巯基含量明显增加；双向电泳实验结果显示，与对照组相比，处理组在较小分子量区域（<25 kDa）存在2个差异蛋白点，质谱鉴定得出差异蛋白点主要为2 S白蛋白、12 S球蛋白、40 S核糖体蛋白。不同大小的分子多肽，分子量越小，冰晶形成的温度越低，且在降温过程中形成的冰晶越小越圆润。综上所述，促进二硫键的还原以及球蛋白小分子多肽的降解是硫氢化钠促进低温条件下含水甘蓝种子存活的主要原因。

摘要:光流估计是计算机视觉领域的核心任务。近年来，基于深度学习的光流估计方法取得了显著进展。但光流算法容易受到图像遮挡、重叠物体和相似物体的影响，从而导致运动估计准确性下降。为了解决这一问题，提出了一种结合卷积和交叉变换网络的光流估计模型。首先，利用卷积和交叉注意力机制对连续两帧图像进行特征提取与增强。其次，结合上下文特征网络编码提供的上下文信息，通过特征聚合模块产生聚合特征，使用ConvGRU模块进行光流的迭代更新，并通过上采样模块产生光流特征估计图，完成光流估计任务。最后，进行MPI-Sintel 和 KITTI 2015数据集的综合实验对比分析。实验结果表明，所提出的方法可以有效地提高光流估计的精度，并具有良好的泛化性。

摘要:现有的自动建模方法与生物集群信息处理特点不匹配，导致单体信息交互建模难以实现。为此，自主设计生物机械混杂系统以启发人工复杂系统调控，该系统通过将生物组织与机械元件结合，开展受控生物实验。在2鱼实验中，通过引入受控机械单体观察鱼类在威胁环境下的交互行为，并基于注意力机制构建2鱼韧性交互模型，以挖掘高影响力的时空信息特征。为验证模型复现鱼类避障行为的能力，对单体行为、整体秩序及交互运动进行仿真分析，并将仿真结果与原始数据进行对比。最后，通过机器威胁的参数敏感性分析验证模型的可解释性。实验结果表明：注意力机制能有效捕捉2鱼在机械靠近时的规避反应，揭示了威胁环境下生物交互行为的内在规律，为理解更大规模生物群体在威胁环境中的交互机制提供了重要建模基础。所提方法有望在复杂对抗环境下的集群机器人系统中得到应用。

摘要:鉴于正常和欺诈交易数据在加密货币交易样本中分布极端不平衡，以及交易数据的高维特征和非线性关系，提出了一种用于加密货币交易欺诈检测的可解释不平衡数据分类方法。首先，使用synthetic minority oversampling technique（SMOTE）过采样和对比学习的数据增强策略来平衡数据；接着，引入基于transformer的深度学习模型，学习样本相关性，并通过基于对比损失的预训练和基于贝叶斯优化的微调策略来优化模型，更好地区分正常和欺诈交易的特征分布，提取与欺诈相关的高阶、高维特征；最后，设计基于shapley additive explanations（SHAP）的解释器，结合注意力分数对模型预测进行解释，揭示不同交易特征在欺诈检测中的作用。对比实验结果表明，该模型在召回率方面表现出色，能全面识别加密货币交易中的欺诈活动。同时，在F₁值上达到最佳，很好地平衡了准确率和召回率。消融实验验证了所提出的数据平衡和预训练?微调策略的必要性，说明其能有效处理不平衡数据的分类问题。研究不仅丰富了金融欺诈检测的研究体系，还增强了加密货币的交易安全性，促进市场健康发展，维护经济稳定与社会安全。

摘要:为协调主体?从体之间的利益关系，以能源系统运营商为主体，负荷聚集商、电动汽车充电站为从体构建能源系统运营商?负荷聚集商（电动汽车充电站）双层优化模型。提出一种多因素定价机制，引导下层可调度资源参与上层优化，实现多利益主体互利共赢。基于负荷不满意度系数，构建负荷需求响应效用模型，实现负荷综合需求响应在经济性和满意度之间的平衡。此外，引入阶梯型碳交易机制和碳捕集设备，同时考虑新能源向碳捕集设备供电的协调运行策略，进一步提升能源系统低碳运行能力。最后，采用CPLEX求解器对双层优化模型进行迭代求解。算例结果表明，所提定价机制降低了上层碳排放量和下层负荷中断功率，降低幅度分别为18.98%和14.99%，验证了所提模型及方法的有效性。